近期，滴滴開源了AOE項目，很多人還是一臉懵逼，不太清楚AOE 到底是干什么的，所以今天我們再來聽聽官方工程師是怎么介紹的吧，不信你還是聽不懂：近期我們開發(fā)了一個銀行卡 OCR 項目。需求是用手機對著銀行卡拍攝以后，通過推理，可以識別出卡片上的卡號。工程開發(fā)過程中，我們發(fā)現(xiàn)手機拍攝以后的圖像，并不能滿足模型的輸入要求。以 Android 為例，從攝像頭獲取到的預(yù)覽圖像是帶 90 度旋轉(zhuǎn)的 NV21 格式的圖片，而我們的模型要求的輸入，只需要卡片區(qū)域這一塊的圖像，并且需要轉(zhuǎn)成固定尺寸的 BGR 格式。所以在圖像輸入到模型之前，我們需要對采集到的圖像做圖像處理，如下圖所示：在開發(fā)的過程中，我們對 YUV 圖像格式和 libyuv 進行了研究，也積累了一些經(jīng)驗。下文我們結(jié)合銀行卡 OCR 項目，講一講里面涉及到的一些基礎(chǔ)知識：

• 什么是YUV格式
• 如何對YUV圖像進行裁剪
• 如何對YUV圖像進行旋轉(zhuǎn)
• 圖像處理中的Stride
• 如何進行縮放和格式轉(zhuǎn)換
• libyuv的使用

想要對采集到的YUV格式的圖像進行處理，首先我們需要了解什么是 YUV 格式。

什么是YUV格式

YUV 是一種顏色編碼方法，YUV，分為三個分量：

• “Y” 表示明亮度(Luminance或Luma)，也就是灰度值；
• “U”和“V” 表示的則是色度(Chrominance或Chroma)。
• 主流的采樣方式有三種，YUV4:4:4，YUV4:2:2，YUV4:2:0。

這部分專業(yè)的知識，網(wǎng)絡(luò)上有詳細的解釋。我們簡單理解一下，RGB 和 YUV 都使用三個值來描述一個像素點，只是這三個值的意義不同。通過固定的公式，我們可以對 RGB 和 YUV 進行相互轉(zhuǎn)換。工程里常見的I420，NV21，NV12，都是屬于YUV420，每四個Y共用一組UV分量。YUV420主要包含兩種格式，YUV420SP 和YUV420P。

• YUV420SP，先排列Y分量，UV分量交替排列，例如：NV12: YYYYYYYY UVUV 和 NV21: YYYYYYYY VUVU (上文中我們在安卓上采集到的圖像就是這種格式)。
• YUV420P，先排列U(或者V)分量，再排列V(或者U)分量。例如：I420: YYYYYYYY UU VV 和 YV12: YYYYYYYY VV UU。

YUV420SPYUV420P了解了YUV的圖像格式以后，我們就可以嘗試對圖片進行裁剪和旋轉(zhuǎn)了。我們的想法是先在圖片上裁剪出銀行卡的區(qū)域，再進行一次旋轉(zhuǎn)。

如何對YUV圖像進行裁剪

YUV420SP 和 YUV420P 裁剪的過程類似，以 YUV420SP 為例，我們要裁剪圖中的這塊區(qū)域：在圖上看起來就非常明顯了，只要找到裁剪區(qū)域?qū)?yīng)的Y分量和UV分量，按行拷貝到目標(biāo)空間里就可以了。我們再來看一張圖，是否可以用上面的方法來裁剪圖中的這塊區(qū)域呢？答案是否定的，如果你按照上面說的方法來操作，最后你會發(fā)現(xiàn)你保存出來的圖，顏色基本是不對的，甚至?xí)袃?nèi)存錯誤。原因很簡單，仔細觀察一下，當(dāng) ClipLeft 或者 ClipTop 是奇數(shù)的時候，會導(dǎo)致拷貝的時候UV分量錯亂。如果把錯誤的圖像數(shù)據(jù)輸入到模型里面，肯定是得不到我們期望的結(jié)果的。所以我們在做裁剪的時候，需要規(guī)避掉奇數(shù)的場景，否則你會遇到意想不到的結(jié)果。

如何對 YUV 圖像進行旋轉(zhuǎn)

對上文裁剪后的圖像做順時針90度旋轉(zhuǎn)，相比裁剪，轉(zhuǎn)換要稍微復(fù)雜一些。基本方法是一樣的，拷貝對應(yīng)的 Y 分量和 UV 分量到目標(biāo)空間里。在了解了裁剪和旋轉(zhuǎn)的方法以后，我們發(fā)現(xiàn)在學(xué)習(xí)的過程中不可避免地遇到了 Stride 這個詞。那它在圖像中的作用是什么呢？

圖像處理中的Stride

Stride?是非常重要的一個概念，Stride 指在內(nèi)存中每行像素所占的空間，它是一個大于等于圖像寬度的內(nèi)存對齊的長度。如下圖所示：回過頭來看我們上面說到的裁剪和旋轉(zhuǎn)，是否有什么問題？以 Android 上的YV12為例，Google Doc 里是這樣描述的：

YV12 is a 4:2:0 YCrCb planar format comprised of a WxH Y plane followed by (W/2) x (H/2) Cr and Cb planes.This format assumes? an even width? an even height? a horizontal stride multiple of 16 pixels? a vertical stride equal to the heighty_size = stride * heightc_stride = ALIGN(stride / 2, 16)c_size = c_stride * height / 2size = y_size + c_size * 2cr_offset = y_sizecb_offize = y_size + c_size

所以在不同的平臺和設(shè)備上，需要按照文檔和 stride 來進行計算。例如計算 Buffer 的大小，很多文章都是簡單的 “*3/2” ，仔細考慮一下，這其實是有問題的。如果不考慮 stride ，會有帶來什么后果？如果 “運氣” 足夠好，一切看起來很正常。“運氣”不夠好，你會發(fā)現(xiàn)很多奇怪的問題，例如花屏，綠條紋，內(nèi)存錯誤等等。這和我們平常工作中遇到的很多的奇怪問題一樣，實際上背后都是有深層次的原因的。經(jīng)過裁剪和旋轉(zhuǎn)，我們只需要把圖像縮放成模型需要的尺寸，轉(zhuǎn)成模型需要的BGR格式就可以了。

如何進行縮放和格式轉(zhuǎn)換

以縮放為例，有臨近插值，線性插值，立方插值，蘭索斯插值等算法。YUV 和 RGB 之間的轉(zhuǎn)換，轉(zhuǎn)換的公式也有很多種，例如量化和非量化。這些涉及到專業(yè)的知識，需要大量的時間去學(xué)習(xí)和理解。這么多的轉(zhuǎn)換，我們是否都要自己去實現(xiàn)？很多優(yōu)秀的開源項目已經(jīng)提供了完善的 API 給我們調(diào)用，例如 OpenCV，libyuv 等。我們需要做的是理解基本的原理，站在別人的肩膀上，做到心里有數(shù)，這樣即使遇到問題，也能很快地定位解決。經(jīng)過調(diào)查和比較，我們選擇了 libyuv 來做圖像處理的庫。libyuv 是 Google 開源的實現(xiàn)各種 YUV 與 RGB 之間相互轉(zhuǎn)換、旋轉(zhuǎn)、縮放的庫。它是跨平臺的，可在 Windows、Linux、Mac、Android 等操作系統(tǒng)，x86、x64、arm 架構(gòu)上進行編譯運行，支持 SSE、AVX、NEON等SIMD 指令加速。

libyuv的使用

引入libyuv以后，我們只需要調(diào)用libyuv提供的相關(guān)API就可以了。在銀行卡OCR工程使用的過程中，我們主要遇到了2個問題：1，在Android開發(fā)的初期，我們發(fā)現(xiàn)識別率和我們的期望存在一定的差距。我們懷疑是模型的輸入數(shù)據(jù)有問題，通過排查發(fā)現(xiàn)是使用libyuv的時候，沒注意到它是little endian。例如這個方法：int BGRAToARGB(...)，BGRA little endian，在內(nèi)存里順序?qū)嶋H是ARGB。所以在使用的時候需要弄清楚你的數(shù)據(jù)在內(nèi)存里是什么順序的，修改這個問題后識別率達到了我們的預(yù)期。2，在大部分機型上運行正常，但在部分機型上出現(xiàn)了 Native 層的內(nèi)存異常。通過多次定位，最后發(fā)現(xiàn)是 stride 和 buffersize 的計算錯誤引起的。由于 libyuv 是 C/C++ 實現(xiàn)的，使用的時候不是那么的便捷。為了提高開發(fā)效率，我們提取了一個 AoeVision 組件，對libyuv封裝了一層 JNI 接口，包括了一些基礎(chǔ)的轉(zhuǎn)換和一些 Sample，這樣使用起來更加簡單方便，AoeVision組件還在不斷開發(fā)和完善中。最后附上Github地址：https://github.com/didi/aoe。歡迎大家使用和提意見

---

●編號757，輸入編號直達本文●輸入m獲取到文章目錄

總結(jié)

以上是生活随笔為你收集整理的图像处理 花屏_滴滴开源的 AoE：工程实践中的图像处理的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。